temout/ling

/LING

Update: February 24, 2023 The new version of Termout.org is now online, so this web site is now obsolete and will soon be dismantled.

Lista de candidatos sometidos a examen:
1) lenguaje natural (*)
(*) Términos presentes en el nuestro glosario de lingüística

1) Candidate: lenguaje natural

Is in goldstandard

1
paper corpusSignosTxtLongLines170 - : Aparentemente P1 y P2 son bastante inteligibles y naturales. Pero esto es una ilusión derivada del hecho de que, por simple convención, los símbolos conceptuales se han etiquetados con palabras del lenguaje natural, ¡cuyo significado conocemos muy bien! No olvidemos, sin embargo, que los símbolos mentales son arbitrarios y diferentes de los del lenguaje natural, de modo que las siguientes proposiciones reflejarían igualmente el significado de "María le dio un libro viejo a Federico":

2
paper corpusSignosTxtLongLines170 - : Las teorías simbolistas se acomodan muy bien a esas propiedades composicionales y productivas del lenguaje y del significado. Una razón para ello es su propia semejanza con el lenguaje natural, al poseer igual que este una sintaxis, es decir, un mecanismo esencialmente combinatorio y productivo . Por ejemplo, un sistema proposicional como el propuesto por van Dijk y Kintsch (1983) combina productivamente símbolos conceptuales y relacionales para reflejar cualquier tipo de significado. Pero, ¿tienen esa misma capacidad combinatoria las representaciones corpóreas? Los críticos de la corporeidad consideran que un sistema de reactivación de simulacros de experiencia carece de esta capacidad. Esto sería cierto si las representaciones corpóreas fuesen como fotografías o grabaciones de video holistas, cosa que nadie propone. Si consideramos las representaciones corpóreas como compuestas de unidades relativamente simples y organizadas conceptualmente, no hay dificultad en operar con ellas de modo

3
paper corpusSignosTxtLongLines281 - : El procesamiento de lenguaje natural es una rama de la Inteligencia Artificial (AI ), pero la AI no trata solo con el procesamiento de lenguaje natural. En general, la AI se ocupa de emular aspectos de la inteligencia humana a través de máquinas. La AI se ocupa de representaciones del conocimiento y la investigación y aplicación de tales algoritmos y técnicas en juegos, máquinas de aprendizaje, robótica. El NLP no solo es una importante rama de la AI, sino también de la Lingüística Computacional. Tradicionalmente se enfoca al desarrollo de HLT (Human Language Technology), pero en la actualidad se ha dirigido más hacia al análisis detallado de problemas prácticos.

4
paper corpusSignosTxtLongLines340 - : A estos sistemas se les denomina ‘inteligentes’ atendiendo a la capacidad que ellos tienen para analizar gramaticalmente una entrada en lenguaje natural y luego producir un mensaje o enunciado en lenguaje natural correspondiente a una estrategia de feedback correctivo adecuado para el error focalizado del estudiante (Ferreira, Moore & Mellish, 2007 ). Para ello, se debe implementar técnicas de Procesamiento de Lenguaje Natural (PLN) que se basan en teorías gramaticales para procesar la entrada del estudiante con el objeto de generar una estrategia de feedback. Las técnicas de PLN han permitido a los sistemas computacionales manejar algunas estrategias de feedback más sofisticadas como las claves metalingüísticas y los ‘informes de errores’ basados en un análisis, identificación y jerarquización del error presentado en la respuesta del estudiante.

5
paper corpusSignosTxtLongLines340 - : 2. Procesamiento de Lenguaje Natural (PNL): Análisis automático (parsing ) y generación (generation) automática de lenguas en el contexto de STI

6
paper corpusSignosTxtLongLines375 - : Resumen: Una de las tareas más tediosas en la labor diaria de los profesionales del derecho es la búsqueda de información en el ámbito jurídico. Con el fin de implementar aplicaciones avanzadas del procesamiento del lenguaje natural en este dominio, hemos desarrollado un modelo de representación del conocimiento especializado orientado a la semántica profunda dentro del marco de FunGramKB, una base de conocimiento léxico-conceptual multilingüe de propósito general . Más concretamente, el resultado de esta investigación ha dado como fruto una ontología terminológica sobre derecho penal en el dominio del terrorismo y el crimen organizado transnacional para ser utilizada en sistemas inteligentes que permitan la comprensión automática del discurso legal. El objetivo de este artículo es la descripción de la metodología empleada en el desarrollo de dicha ontología, centrándonos en la descripción de la herramienta que asiste al lingüista en el proceso de adquisición y conceptualización de lo

7
paper corpusSignosTxtLongLines375 - : Cabe destacar la escasez de ontologías semánticas multilingües construidas de forma semiautomática para garantizar un equilibrio entre la cantidad y la calidad del conocimiento. Además, la adecuación de una ontología depende estrechamente de la aplicación específica para la que se desarrolle. A este respecto, el propósito de nuestra ontología terminológica es su aplicación en sistemas que requieran la comprensión del lenguaje natural, cuyo objetivo es la ‘interpretación’ de un texto de entrada: es decir, convertir el input en una representación formal no ambigua que exprese el contenido semántico del texto con el fin de poder realizar posteriores tareas en diversas aplicaciones del procesamiento del lenguaje natural (PLN ), tales como los sistemas de resumen automático o las interfaces persona-máquina basadas en el diálogo (Ovchinnikova, 2012). Desde los inicios de nuestro proyecto (Periñán-Pascual & Arcas-Túnez, 2004, 2005), el cual se enmarca en los campos de la lingüística, la

8
paper corpusSignosTxtLongLines453 - : Partiendo de un análisis lingüístico cualitativo basado en ejemplos de corpus, este artículo presenta un tratamiento computacional de varias construcciones, a saber, construcciones argumentales, construcciones implicativas y construcciones ilocutivas. De este modo, nuestro objetivo es ofrecer una representación formal de construcciones gramaticales de diferente naturaleza y complejidad. Para ello empleamos una base de conocimiento léxico-conceptual para sistemas de procesamiento del lenguaje natural denominada FunGramKB, cuyo gramaticón es una implementación computacional de la arquitectura del modelo construccionista basado en el uso llamado Modelo Léxico Construccional .

9
paper corpusSignosTxtLongLines455 - : Uno de los problemas más importantes en procesamiento de lenguaje natural es la desambiguación de sentidos de palabras, que consiste en identificar el sentido correcto de las palabras en un texto dado . En este trabajo presentamos un método novedoso para la desambiguación automática de sentidos de palabras basado en el algoritmo simplificado de Lesk. El método propuesto utiliza las memorias asociativas Alfa-Beta para calcular la relación que existe entre los sentidos de las palabras ambiguas y su contexto. El desempeño de este método fue evaluado en términos de precision, recall y F-score, utilizando los corpus semánticamente etiquetados Senseval-2, Semcor y Semeval-2007. Los resultados muestran las ventajas del método propuesto en comparación con otros métodos del estado del arte basados en Lesk.

10
paper corpusSignosTxtLongLines459 - : n análisis de errores. A estos sistemas se les denomina ‘inteligentes’ atendiendo a la capacidad que ellos tienen para analizar gramaticalmente una entrada en lenguaje natural y luego producir un mensaje o enunciado en lenguaje natural correspondiente a una estrategia de feedback correctivo adecuado para el error focalizado del estudiante (^[40]Ferreira, 2007 ; ^[41]Ferreira, Moore & Mellish, 2007). Para ello, se basan en teorías gramaticales para procesar la entrada del estudiante con el objeto de reconocer y analizar los errores que se presentan. A continuación nos referiremos brevemente al STI ELE-Tutora.

11
paper corpusSignosTxtLongLines479 - : En cuanto a los modelos computacionales del lenguaje creados mediante las herramientas del Procesamiento del Lenguaje Natural, la noción de similitud tiene una importancia crucial, ya que se emplea para cuantificar las relaciones entre unidades lingüísticas, algo esencial para una gran variedad de tareas: desambiguación de palabras (^[32]Sinha & Mihalcea, 2007 ), detección de paráfrasis (^[33]Fernando & Stevenson, 2008), etc. La gran variedad de relaciones entre unidades lingüísticas que pueden tenerse en cuenta para calcular la similitud pone de relieve que la falta de una definición precisa de la similitud tiene consecuencias importantes en la evaluación de los modelos computacionales.

12
paper corpusSignosTxtLongLines555 - : La asignación de una o más categorías predefinidas a los textos en lenguaje natural, basados en su contenido, es un componente importante y necesario en muchas tareas al interior de las organizaciones . Esta tarea se realiza comúnmente a través de la clasificación automática de textos, esto es, clasificando documentos dentro de un conjunto de categorías predefinidas por medio de un modelo y método computacional. La representación de los textos para propósitos de clasificación automática ha sido tradicionalmente llevada a cabo usando un modelo de espacio vectorial debido a su simplicidad y buen rendimiento. Por otro lado, la clasificación automática de textos por multi-etiquetados ha sido típicamente abordada utilizando métodos de clasificación de etiqueta simple, lo que implica transformar el problema estudiado para aplicar técnicas binarias o adaptar algoritmos binarios para que funcionen con múltiples etiquetas. En este artículo el objetivo es evaluar un factor de ponderación de las pa

13
paper corpusSignosTxtLongLines555 - : Tal como lo plantea ^[38]Venegas (2007), en el ámbito del procesamiento del lenguaje natural (PLN) se integran dos ámbitos disciplinares: la lingüística y la matemática . La primera, a través del estudio del texto y sus componentes. Mientras que la segunda, en conjunto con la estadística, plantean la aplicación de métodos y técnicas de análisis a los textos de lenguaje natural o humano.

Evaluando al candidato lenguaje natural:

1) procesamiento: 10 (*)
3) automática: 6
4) análisis: 6
5) palabras: 6 (*)
6) construcciones: 5 (*)
7) método: 5
8) textos: 5 (*)
9) técnicas: 5
12) ontología: 4 (*)
13) aplicación: 4
15) clasificación: 4 (*)
16) representaciones: 4
17) conocimiento: 4 (*)
18) representación: 4 (*)
19) tareas: 4
20) texto: 4 (*)

lenguaje natural
Lengua: spa
Frec: 133
Docs: 50
Nombre propio: 3 / 133 = 2%
Coocurrencias con glosario: 9
Puntaje: 9.910 = (9 + (1+6.33985000288463) / (1+7.06608919045777)));
Candidato aceptado

Referencias bibliográficas encontradas sobre cada término

(Que existan referencias dedicadas a un término es también indicio de terminologicidad.)

lenguaje natural

: Barsaglini-Castro, A. & Valcarce, D. (2020). The Coruña corpus tool: Ten years on. Procesamiento del lenguaje natural, 64, 13-19.
: Castellón, I., Martí, M. A., Morante, R. & Vázquez, G. (1997). Propuesta de alternancias de diátesis verbales para el español y el catalán. Procesamiento del Lenguaje Natural, 21, 31-48.
: Corpas Pastor, G. & Seghiri, M. (2007b). Determinación del umbral de representatividad de un corpus mediante el algoritmo N- Cor. SEPLN: Revista de la Sociedad Española para el Procesamiento del Lenguaje Natural, 39, 165-172.
: Díaz Villa, A.M. (2005). Tipología de errores gramaticales para un corrector automático. Procesamiento del Lenguaje Natural, 35, 409-416.
: En la actualidad, las computadoras ayudan a resolver muchos de los problemas relacionados con la ambigüedad en lenguaje natural y evaluar casos donde se presente, mediante técnicas algorítmicas y estadísticas de análisis del lenguaje (Gelbukh & Sidorov, 2006).
: Periñán-Pascual, C. & Arcas-Túnez, F. (2007). Cognitive modules of an NLP knowledge base for language understanding. Procesamiento del Lenguaje Natural, 39, 197-204.
: Periñán-Pascual, C. & Arcas-Túnez, F. (2010). Ontological commitments in FunGramKB. Procesamiento del Lenguaje Natural, 44, 27-34.
: Periñán-Pascual, C. & Mairal, R. (2009). Bringing role and reference grammar to natural language understanding. Procesamiento del Lenguaje Natural, 43, 265-273.
: Periñán-Pascual, C. (2012). En defensa del procesamiento del lenguaje natural fundamentado en la lingúistica teórica. Onomázein, 26(2), 13-48.
: Resources Association, Portorož, Eslovenia (pp. 1485-1492).Nazar, R. & Arriagada, P. (2017). POL: un nuevo sistema para la detección y clasificación de nombres propios. Procesamiento del Lenguaje Natural, 58, 13-20.
: Santana, O., Carreras F., Pérez. J. & Rodríguez, R. (2003). Relaciones morfoléxicas sufijales del español. Procesamiento del Lenguaje Natural, 30, 1-73.
: Santana, O., Pérez, J., Sánchez, I. & Gutiérrez, V. (2011). Extracción automática de colocaciones terminológicas en un corpus extenso de lengua general. Procesamiento del Lenguaje Natural, 47, 145-152.
: Stubbs, M. (1983). Análisis del discurso. Análisis sociolingüístico del lenguaje natural. Madrid: Alianza Editorial.